|
Seminar
|
-
5.04.4012 - Informationsverarbeitung und Kommunikation / Information Processing and Communication
- Priv.-Doz. Dr. Jörn Anemüller
Thursday: 12:15 - 13:45, weekly (from 13/04/23)
Dates on Wednesday, 30.08.2023 11:00 - 13:00
Course topics:
- Information processing in the brain, neurons, receptive fields
- Simple classification models, the perceptron, linear discriminant analysis, regression approach to classification
- Generative approaches, k-nearest neighbour classification, Bayes equation
- Model selection and cross-validation
- Logistic regression, binary cross-entropy loss function, gradient descent
- Gradient descent optimization and regularization, multi-layer perceptron and error backpropagation
- Convolutional networks, deep neural networks, receptive fields in deep netoworks
- Reinforcement learning
- Sequence modeling, speech recognition, markov chains, hidden markov model (HMMs)
- Transformer deep networks, large language models (LLMs), from HMMs to LLMs
- Information theory, measuring information, entropy
- Information theory continued, entropy bound for coding, compression
-
5.04.4012 Ü1 - Übung zu Informationsverarbeitung und Kommunikation / Information Processing and Communication
- Priv.-Doz. Dr. Jörn Anemüller
- Eike Jannik Nustede, M. Sc.
Tuesday: 16:15 - 17:45, weekly (from 18/04/23)
Die Studierenden erlernen, wie statistische Eigenschaften von Signalen zur Lösung von Problemen der Angewandten Physik, insbesondere der Klassifikation, parametrischen Modellierung und Übertragung von Signalen genutzt werden können. Theoretische Lernziele beinhalten damit eine Wiederholung und Festigung statistischer Grundlagen und eine Verständnis von deren Nutzung für Algorithmen unterschiedlicher Zielsetzung und Komplexität. Im praktischen Teil werden Eigenschaften der behandelten Methoden selbständig erarbeitet sowie Algorithmen auf dem Rechner implementiert und auf reale Daten angewendet, so daß der Umgang mit theoretischen Konzepten und ihre praktische Umsetzung erlernt werden.
Inhalte:
Grundfragen der Informationsverarbeitung (Klassifikation, Regression, Clustering), Lösungsmethoden basierend auf Dichteschätzung und diskriminativen Ansätzen (z.B. Bayes Schätzung, k-nearest neighbour, Hauptkomponentenanalyse, support-vector-machines, Hidden-Markov- Modelle), Grundlagen der Informationstheorie, Methoden der analogen und digitalen Nachrichtenübertragung, Prinzipien der Kanalcodierung und Kompression
-
5.04.4027 - Sprachverarbeitung
Tuesday: 12:15 - 13:45, weekly (from 11/04/23)
In dieser Vorlesung werden Inhalte der menschlichen und maschinellen Sprachverarbeitung behandelt. Das Themenspektrum reicht dabei von technischen Lösungen zur Erkennung oder Kompression von Sprachsignalen bis zu neurophysiologischen Themen, z.B. die kortikale Repräsentation von Sprache.
Unter anderem werden folgende Fragen untersucht:
- Wie funktioniert die menschliche Spracherzeugung?
- Welche Methoden sind zur automatischen Sprachverarbeitung wichtig?
- Wie kann man effektiv Sprachsignale darstellen (z.B. zur effektiven Übermittlung nötig)?
- Was wissen über Sprachwahrnehmung beim Menschen, insbesondere mit Hinblick auf Neurophysiologie?
Es handelt sich um eine integrierte Veranstaltung, in der sich Vorlesungs- und Übungselemente abwechseln. Teilnehmer sollen optimalerweise einen Rechner dabei haben, um das Erlernte nachzuvollziehen, Algorithmen selbst anzuwenden und teilweise selbst zu implementieren.
-
5.04.711 - Akustik
- Dr. Stephan Ewert, Dipl.-Phys.
- Thomas Brand
- Stephan Töpken
- Jan Rennies-Hochmuth
Tuesday: 16:15 - 17:45, weekly (from 11/04/23), Location: W03 2-240
Friday: 08:15 - 09:45, weekly (from 14/04/23), Location: W03 2-240
Dates on Monday, 24.07.2023 10:00 - 12:00, Location: W03 1-156
Schwingungen und Wellen, physikalische Grundlagen der Akustik, Erzeugung und Ausbreitung von Schall, Messung und Bewertung von Schall, Verarbeitung und Analyse akustischer Signale, Akustik von Stimme und Sprache, Sprachpathologie, Schalldämmung und –dämpfung, Raum- und Bauakustik, Elektroakustik, Stoßwellen, Photoakustischer Effekt; ausgesuchte Kapitel der Akustik, der Vibrationen und des Ultraschalls.
|
|
| Prerequisites |
Bachelor in Hörtechnik und Audiologie oder entsprechend |
| Reference text |
Es muss eine Auswahl der folgenden Veranstaltungen im Umfang von insgesamt 6 KP belegt werden. Alternativ können auch Veranstaltungen aus dem Modul „Akustik und Signalverarbeitung II“ belegt werden.
Advanced Topics Speech and Audio Processing, VL/Ü (6 KP)
Angewandte Psychophysik, VL/SE/Ü (3 KP)
Machine Learning I - Probabilistic Unsupervised Learning, VL/Ü (6 KP)
Principles of Signal Processing in Hearing Devices, VL/Ü (3 KP)
Cochlear Implats, VL/SE (3 KP)
Oberseminar Akustik, SE (3 KP)
Lehrform:
Advanced Topics Speech and Audio Processing: Vorlesung: 2 SWS, Übungen: 2 SWS Angewandte Psychophysik: Vorlesung/Seminar/Übungen: 2 SWS
Machine Learning I - Probabilistic Unsupervised Learning: Vorlesung: 2 SWS, Übungen: 2 SWS
Principles of Signal Processing in Hearing Devices, Vorlesung/ Übung: 2 SWS Cochlear Implants, Vorlesung/Seminar: 2 SWS Oberseminar Akusik: Seminar: 2 SWS |
| Module examination |
M |
| Skills to be acquired in this module |
Vermittlung der theoretischen Grundlagen und praktischen Anwendungen moderner Sprachtechnologie. Vermittlung moderner Signalverarbeitungsalgorithmen für digitale Hörgeräte, Cochlear Implantate, Sprachkommunikations- und Audiosysteme. Vermittlung der Grundlagen der Informationsverarbeitung und Informationstheorie, und praktischer Methoden der statistischen Signalverarbeitung, Signalkompression und Nachrichtenübertragung. Messungen akustischer Ereignisse sowie Messungen zur Identifizierung akustischer Systeme. Nach Abschluss des Moduls beherrschen Studierende (a) moderne Signal- und Informations-verarbeitungsmethoden und können (b) die gelernten Methoden zur Analyse schwingungsphysikalischer Systeme und zur Erklärung der Funktionsweise und Analyse signalverarbeitender Systeme einsetzen. |
|
